Agenci AI w przedsiębiorstwach zmagają się ze znanym problemem: przepaścią między dopracowanym pierwszym demo a fakturą następującą po naprawdę udanym wdrożeniu. DeepFabric przez trzy miesiące mostował tę przepaść we współpracy z Kenco, przenosząc sześciu agentów do działów operacyjnych obejmujących obszary handlowe, operacyjne, transportowe i obsługę klienta. W ciągu najbliższych 12 miesięcy w całym północnoamerykańskim operatorze logistycznym planowanych jest dwudziestu agentów łańcucha dostaw.

To trzymiesięczne wdrożenie wyróżnia się na tle szerszego trendu, w którym wiele projektów AI nigdy nie zdobywa rozpędu. Najnowsze badania Gartnera przewidują, że do końca 2027 roku ponad 40 procent projektów agentowego AI zostanie anulowanych z powodu rosnących kosztów, niejasnej wartości biznesowej i niewystarczającej kontroli ryzyka. Agenci, którzy przetrwają przejście z fazy pilotażowej do produkcji, pozostają wyjątkiem, a nie regułą.

Partnerstwo rozpoczęło się od telefonu przychodzącego. Dyrektor ds. cyfrowych i informacji (Chief Digital and Information Officer) Kenco, Pal Narayanan, skontaktował się z DeepFabric po prześledzeniu działań platformy z innymi podmiotami w branży łańcucha dostaw.

"Wiedział, jaką pracę wykonujemy z innymi operatorami 3PL i innymi zespołami łańcucha dostaw, i znał filozofię, którą się kierowaliśmy, oraz sposób, w jaki budowaliśmy platformę", powiedział Kalyan Kommineni, założyciel i CEO DeepFabric, w wywiadzie dla FreightWaves. "Uważał, że dobrze pasujemy do tego, jak Kenco patrzy na AI i jak wdraża nowe technologie w swoich środowiskach."

Start od skromnego proof-of-concept

Udane wdrożenia agentów AI zaczynają się od skromnych, ale zarządzalnych punktów wyjścia: zacznij małą skalą i działaj szybko.

"Naszym celem jest wprowadzenie agenta do produkcji tak szybko, jak to możliwe, przy minimalnym ryzyku", powiedział Kommineni. "Zanim w ogóle pomyślimy o przyjęciu kogoś jako klienta, podpisujemy umowę o poufności, pobieramy jego dane i pokazujemy, jak agent działa z tymi danymi. To daje im poczucie, jak działa w produkcji."

Etap proof-of-concept istnieje po to, by wykryć, co się psuje, zanim agent trafi na żywe konto klienta — to ważne zabezpieczenie, biorąc pod uwagę ryzyko testowania beta agentów AI na żywych operacjach zamiast w zamkniętym, osobnym bliźniaku wirtualnym. Takie podejście minimalizuje potencjalne zakłócenia, gdy agenci są dostrajani.

"Powiem tak: agenci zawodzą cały czas, ale dbamy o to, żeby działo się to w środowisku nieprodukcyjnym", powiedział Kommineni.

Kenco nie poniosło żadnej z tych porażek po drodze do produkcji. Wszyscy sześciu agenci rozpoczęli działanie bez zakłócenia obsługi choćby jednego klienta, zgodnie ze słowami dyrektora operacyjnego Davida Cainsa.

Dlaczego automatyzacja prac audytowych była wielkim sukcesem

Sama struktura operatora 3PL stworzyła tę okazję. Kenco prowadzi 141 centrów dystrybucyjnych i 43 miliony stóp kwadratowych powierzchni magazynowej w 33 stanach i Kanadzie. Każde przekazanie w tej sieci to dokument, który ktoś musi sprawdzić. To obciążenie dokumentami jest od dawna cechą biznesu 3PL, gdzie operatorzy znajdują się między nadawcami a przewoźnikami i przejmują pracę uzgadniania, którą generuje każda strona transakcji.

"W audycie jest dużo pracy — pracy ręcznej", powiedział Kommineni. "Powtórzę: to nie jest dobra praca. To coś, czego operatorzy nie chcą robić i chcieliby to zrzucić na agenta AI. Więc naprawdę dobrze opanowaliśmy całą część audytową. A audyt to nie jedna rzecz. Istnieją różne rodzaje audytów prowadzonych z różnymi stronami."

W przypadku 3PL oznacza to magazyn weryfikujący przewoźnika, przewoźnika weryfikującego klienta i klienta weryfikującego magazyn — każde z nich to osobne uzgodnienie z własną dokumentacją.

"Każde połączenie między tymi ogniwami to okazja do porażki i robimy wszystko, co konieczne, żeby ci agenci nie zawodzili w produkcji", powiedział Kommineni.

Audytor frachtowy to jeden z trzech najczęściej wdrażanych agentów DeepFabric, obok menedżera propozycji i menedżera zapasów. Firma raportuje 45-procentową redukcję kosztów audytu oraz skrócenie czasu reakcji na zapytania ofertowe (RFP) nawet o 30 procent.

Wyznaczanie bramek dla agentów łańcucha dostaw

Benchmarking to obszar, w którym większość kupujących nie znajduje łatwej odpowiedzi, a pytanie, co mierzyć, poprzedza pytanie, co automatyzować. Kommineni ujmuje to jako kwestię skuteczności, a nie efektywności.

"Jako 3PL, jako firma lub jako zespół w firmie — co tutaj próbujesz osiągnąć?", powiedział. "Czy próbujesz wykonać więcej pracy tymi samymi ludźmi, czy czasem chcesz nawet dodać więcej ludzi, ale wtedy wykonać znacznie więcej pracy? A czasem jest tak: 'Hej, czy próbujesz zmniejszyć godziny pracy?' Klienci patrzą przez różne soczewki. W zależności od tego definiuje się KPI."

Miernik zmienia się w zależności od agenta: menedżer propozycji jest oceniany pod względem tego, ile więcej ofert zespół realizuje bez zwiększania zatrudnienia, a agent audytowy — pod względem ręcznych godzin pracy na 100 faktur.

"KPI zależą od agenta, ale pomagamy naszym klientom zrozumieć, jakie są KPI przed wdrożeniem agenta, jaka jest linia bazowa, wdrażamy agenta, sprawdzamy, jak jest po jego wdrożeniu, a następnie mierzymy wyniki", powiedział Kommineni.

Bez tej wyjściowej linii bazowej nic nie da się skutecznie zmierzyć.

Gdzieś pośrodku w kwestii modeli

Kupujący muszą również zdecydować, na jakim modelu budować. Odpowiedź Kommineniego zakłada zrównoważone podejście.

"Są tu dwie różne dychotomie. Jest podejście: 'Jest jeden model, który robi wszystko'. I jest: 'Wiesz co, 20 różnych dostosowanych modeli, które wdrożę w swoim środowisku do moich przypadków użycia'. Odpowiedź jest zawsze prawdopodobnie gdzieś pośrodku", powiedział.

DeepFabric kieruje każdy przypadek użycia do modelu, który najlepiej pasuje pod względem możliwości i ceny, a firma ponosi związane z tym ryzyko.

"Bierzemy na siebie ryzyko zarządzania tym wszystkim. Bierzemy ryzyko zarządzania ekonomią tokenów. Bierzemy też ryzyko wykonania, żeby nasi klienci nie musieli myśleć o tym, co zmienia się każdego dnia", powiedział Kommineni.

Kenco rozróżnia dwie kategorie finansowanych inwestycji w AI: agentowe AI, które wykonuje zadania w określonych ramach bezpieczeństwa, oraz generatywne AI, które tworzy treści i znajduje wnioski. DeepFabric zasila warstwę agentową, podczas gdy zespoły Kenco zachowują prawo zatwierdzania wyników agentów poprzez ścieżki inspekcji i nadpisywania wbudowane w platformę.

Kommineni wywodzi nastawienie na wykonanie z tego, czego jego zespół nie był w stanie dostarczyć na poprzednim stanowisku. Jako były konsultant powiedział, że wykonanie zawsze stanowiło wyzwanie, mimo przekazywania klientom planu.

"Ale w DeepFabric naprawdę wzięliśmy to do serca, jeśli chodzi o wykonanie. Faktycznie pomożemy ci zrealizować to, co sugerowalibyśmy jako konsultanci, żebyś nie musiał się zastanawiać: 'Hej, jak mam wdrożyć tych agentów w produkcji'", powiedział.

Dla szerszego rynku to wdrożenie stanowi test tego, czy agentowe AI utrzyma mierzalną pozycję produkcyjną w logistyce — wyniki oparte na linii bazowej, jakie opisują Kenco i DeepFabric, pokażą się — albo nie — w miarę wprowadzania planowanych dwudziestu agentów w ciągu najbliższych 12 miesięcy.

Wpis DeepFabric lands Kenco as It scales supply chain agents pierwotnie ukazał się w serwisie FreightWaves.